为什么 AI 创业 To B 很热，To C 却迟迟没有全面爆发？这是过去三年 AI 创业中值得研究的现象之一。它涉及的不只是商业模式，而是 AI 究竟会创造多少新软件、消灭多少旧软件，以及未来谁能控制用户入口。

    AI 给企业创造的价值，可以直接转化为成本节约、利润增长和预算，因此大量创业者涌入 To B。AI创造的ToC需求，绝大部分被模型公司满足了，即使留下了一小部分，也超过了创业公司捕获这些价值的能力。

更深一层：

传统互联网创业，核心是把人和信息连接起来。

AI 创业，核心是把人的意图变成结果。

但目前，个人用户已经能通过几个通用 AI 入口获得大量结果；企业用户却仍需要有人把 AI 接入真实业务系统、组织和工作流程。

这就造成了当前的创业机会分布。

一、To C 产品高度集中

2026 年已经有足够多的数据说明，消费 AI 市场并不冷清。

来源：RevenueCat《State of Subscription Apps 2026》，覆盖 11.5 万余款采用其订阅基础设施的应用；Menlo Ventures《2025 State of Generative AI in the Enterprise》。这些统计口径不同，不能将订阅 App 新增数量直接理解为 AI App 新增数量。

最有解释力的是用户留存：

AI 与非 AI App：月订阅用户在第 12 个月的留存率 

AI App 比普通 App 更容易让用户尝试、甚至首次付费，却更难让他们持续付费。

AI 带来了非常强的首次体验，但尚未普遍转化为稳定的长期使用习惯。

所以感觉“没有多少成功的 To C AI 创业”，观察到的很可能不是供给不足，而是有大量产品被创造出来，但很少有独立产品长期占据用户生活。

二、最重要的新变化：2026 年 To C 已经开始出现付费拐点

Menlo Ventures 于 2026 年发布的消费者 AI 研究，让这件事变得更有意思。

全球消费 AI 年度支出估算

单位：亿美元；2026 为 Menlo Ventures 市场估算，非上市公司审计营收

Menlo Ventures《2026: The State of Consumer AI》，基于美国成年人调查及其他数据推算全球市场。

这份研究还有三个非常重要的发现：

• 美国成年人 AI 使用率从 2025 年的 61% 增加到 2026 年的 64%，只提高了 3 个百分点。

• 2026 年调查中，55% 的美国 AI 用户表示为至少一款 AI 产品付费。

• 消费 AI 支出高度集中：支出达到每月 100 美元的高消费用户占付费者的约 14%，却贡献了约 60% 的消费金额。

  注意：2025 年报告所称的全球约 3% 付费渗透率，与 2026 年美国问卷的 55% 并非完全同口径，不能简单理解为全球付费率一年增长了 18 倍。

不是消费者不愿意为 AI 付费，而是大多数消费者不愿意为大量彼此相似的 AI 工具分别付费。

真正愿意付高价的人，往往已经把 AI 变成生产工具、个人工作流或收入来源。

这意味着未来的 To C 不能只按照“娱乐、生活、效率”划分，还必须按照用户对 AI 的依赖程度，以及 AI 是否能影响收入和真实生活结果来划分。

三、造成 To C 与 To B 差异的六个结构性原因

这是我认为最根本的原因。

过去，一个用户的需求通常对应一个软件：

这是一种非常特殊的竞争关系：一家基础模型平台，可以在一次模型升级中，同时进入几十个传统软件市场。

2026 年 3 月，a16z 的消费 AI 排行榜显示，ChatGPT 的网页访问规模约为第二名 Gemini 的 2.7 倍。大量消费 AI 产品仍然存在，但通用助手在入口层占据显著优势。

由此出现了一个创业困境：

当你开发出一个“AI 简历优化工具”，ChatGPT 可以优化简历；你做一个“AI 旅行规划工具”，Gemini 也可以规划旅行。

你的产品必须证明，用户为什么要离开熟悉的 AI 入口，再注册一个新网站、上传一次资料、支付另一笔订阅。

我的推论：AI 正在吞并的是通用认知功能，而不是所有专业软件。

会回答问题的应用越来越容易被替代；拥有独特数据、执行能力和用户关系的应用，则仍然有机会。

原因 2：To C 的付费理由弱，To B 的付费理由直接

企业购买 AI，通常会围绕一个经济指标做决策。

例如，一家企业每月在某项人工流程上花费 5 万元，AI 系统能稳定节省 2 万元，即使服务费每月 8,000 元，也存在明确的财务理由。

消费者的心理账户不同。

其中最关键的一点是：

企业愿意为节省的劳动付费，消费者未必愿意为节省的时间付费。

比如，一个普通人每月只修改两次照片，AI 能节省 20 分钟，但他未必认为值得每月支付 15 美元。

而一家电商企业每天处理 1,000 张商品图时，同样的技术就可能成为生产设施。

并不是技术价值发生了变化，而是使用频率和经济场景改变了价值兑现方式。

原因 3：AI 极大降低开发门槛，却没有同步降低获客门槛

这可能是对独立开发者影响最大的一点。

过去，开发一个复杂 App 要花大量时间和成本。现在利用 Codex、Claude Code 等工具，小团队就能迅速做出不错的产品。

但用户的时间、注意力、支付预算并没有随软件供给同步增加。

于是发生了一个结构性变化：

订阅 App 月新增数量

RevenueCat 指出 2025 年及之后发布的 App，仅贡献其样本约 3% 的订阅收入；2020 年以前发布的应用仍贡献约 69%。

这意味着，开发者之间的竞争从“谁能做出来”，变成了“谁能够找到用户，谁能让用户持续回来”。

对于 To C，尤其明显。因为大量 AI 工具解决的是低频、相似、可替代的需求。

而 To B 至少可以通过直销、客户关系、行业渠道、实施服务获取客户，不完全依赖 App Store 排名、社交传播或广告投放。

不过，To B 的获客并不一定更便宜，只是渠道结构与付费规模不同。

原因 4：To C 的真正竞争对手，不是同类创业公司，而是已经存在的用户习惯

这一点经常被技术创业者低估。

一个 To C 产品不仅要有强大的功能，还要替换用户已经形成的行为。

例如，传统语言学习产品真正让用户留下来的，并不只是知识讲解，而是课程进度、每天的练习、反馈、成就感和持续使用习惯。

Duolingo 是一个重要案例。

即使通用 AI 已能进行外语对话，Duolingo 仍保留了结构化学习、习惯培养和激励体系。截至 2025 年末，它披露约 1,220 万付费订阅者，并继续把 AI 角色扮演、视频通话等能力融合进原有体验。

这里最值得思考的是：用户并不只是购买“AI 教我英语的能力”。

用户购买的是一个能够帮助自己长期坚持学习，并感知进步的系统。

因此，我把消费软件分为两类：

有意思的是，第二类产品并不一定要使用最先进的模型。它的竞争优势，可能来自产品体验、历史数据、用户关系和行为设计。

原因 5：企业拥有 AI 的工作环境，个人 AI 却经常没有执行环境

这个原因更深，也关系到下一代 Agent 应用。

企业往往已经拥有比较清晰的数字化工作对象：

订单、客户、库存、合同、发票、财务记录、项目任务、ERP 和 CRM。

AI 要做的是进入这些系统，读取状态、执行操作、输出可验证结果。

而个人生活没有这么标准化。

一个人可能在微信聊天、用邮件沟通、在各种网站下单、用银行卡付款、把照片存到云盘，很多信息与权限分散在不同服务中。

要让个人 AI 真正完成任务，就必须跨越多个系统、取得授权、验证结果，还要承担误操作的后果。

更重要的是，消费者不一定愿意开放权限。

Menlo Ventures 2026 年调查发现，在只使用通用 AI 助手的用户中，27% 把对小众工具的数据隐私顾虑列为不采用专业 AI 工具的原因，21% 表示不知道该信任哪个专业工具。

企业的系统集成虽然复杂，但同时形成了价值和壁垒；消费市场的数据碎片化则经常先成为产品发展的阻力。

这意味着个人 Agent 的创业机会确实巨大，但它们的产品成熟过程可能比很多人想象得更长。

原因 6：To B 可以用项目收入支撑产品探索，To C 往往需要自己承担全部试错成本

这一点解释了为什么你会看到大量 To B AI 创业公司不断成立、签约和融资。

一家创业公司可以先服务三家企业客户，通过咨询、集成、定制部署和系统实施取得收入，再逐步把相同的功能产品化。

它一开始可能不是一家纯软件公司，却能用客户现金流支撑产品开发。

To C 通常没有这条缓冲路径。

面向消费者的产品必须自己完成产品研发、用户增长、支付转化、客服支持，并承受短期内大量用户流失。

但这也是一个陷阱。

To B 项目多，不等于真正拥有高利润、可复制的软件公司也多。

McKinsey 2026 年全球 AI 调查显示，符合其高绩效标准的企业仍只占受访者的约 6%。企业投入预算，并不意味着预算已经产生显著的财务回报。

我认为很多 To B AI 公司实质上仍处于“高技术含量的项目交付”阶段。

如果每签一个客户，都需要重新理解业务、开发系统、配置数据、培训员工，那么随着收入增长，人力成本也可能同步增长。

这种公司也许现金流不错，但未必拥有 SaaS 的规模效应。

四、用单位经济模型看，为什么创业者更愿意 To B

假设三种产品都已经找到了一定规模的客户，按照不同商业模式估算其月度经常性收入：

以上为用于比较的情景假设，不是行业平均指标。定制项目的月均签约额不是经常性收入；各模式均未扣除获客、模型、研发、交付等成本。

这里最有启发性的不是哪一行收入最高，而是第二行：

专业个人（Prosumer）可能同时拥有 To C 的自助购买特征，以及 To B 的经济价值和付费理由。

例如，一位自由摄影师、设计师、独立咨询顾问、房地产经纪人、技术顾问，可能只是一位消费者，却直接利用工具获取收入。

他可以自己购买，不需要复杂的企业采购流程；如果软件帮助他多获得一个客户，他每月支付 20–50 美元就可能很合理。

我认为这部分用户是独立 AI 创业者尤其应该关注的人群。

五、但我并不认为 To C 的未来会比 To B 小

我认为过去两年的情况，很可能让大量创业者得出了一个过于悲观的结论：

“消费者只会用 ChatGPT，所以独立 To C 应用没有机会。”

2026 年的实际调查并不支持这么绝对的判断。

Menlo Ventures 发现，使用专业 AI 应用的 AI 用户比例，从 2025 年的 69% 增加到 2026 年的 75%；同时使用通用 AI 和专业 AI 产品的比例，从 60% 增加至 72%。

第二层：拥有独特工作流、长期状态和真实结果的垂直应用

这让我产生了三个更进一步的判断。

判断 A：真正消失的不是 To C 应用，而是大量“功能型软件”的独立价值

以往一个 App 能完成一件事，就有存在的理由。

现在，完成某种认知任务本身越来越不稀缺。

未来的软件价值，会更多来自持续维护某种状态：

学习软件维护你的知识进度；健身产品维护你的训练记录；专业服务工具维护你的客户关系；游戏维护你的角色、世界和社交关系。

这些价值不能简单通过一次模型调用重建。

一个值得投资的消费产品，需要形成连续的用户关系，而不是不断处理彼此独立的问题。

判断 B：AI 最有希望创造新 To C 市场的领域，不一定是效率，而是新的体验和新的需求

过去互联网已经证明，消费者在娱乐、游戏、表达、社交、身份和兴趣上投入大量时间与金钱。

AI 有机会创造以前不存在的消费体验。

例如，Suno、Midjourney 和 Photoroom 都出现在 a16z 2026 年消费 AI 榜单中。它们分别切入音乐表达、视觉创作和真实图片处理任务，而不只是提供第二个通用聊天框。

但还要看到另一面：生成能力会使内容供给迅速膨胀，而优质注意力依然稀缺。

Menlo Ventures 的调查显示，36% 的受访者表示，得知内容由 AI 生成后，会降低参与或消费兴趣；只有 14% 表示兴趣会增加。

因此，AI 娱乐创业不能简单理解为“让模型生成更多内容”。

真正的机会可能是创造新的互动方式，让人参与创作、竞争、协作，并因为自己的投入而持续回来。

这也是为什么我认为 AI 原生游戏可能比大量 AI 文本生成工具更有长期创新空间，尽管游戏的成功率和流量获取难度依然很有挑战性。

判断 C：消费 AI 最值得争夺的不是回答权，而是执行权

模型知道如何制定旅行计划，和它能够可靠处理整个旅行，是两种不同的产品。

后者需要了解偏好、获取实时信息、处理授权、完成交易、保存记录、应对变化。

这就是从 AI Assistant 到 AI Agent 的变化。

Menlo Ventures 2026 年调查中，41% 的美国 AI 用户表示尝试过 Agent，24% 表示经常使用。

但 Agent 要走进更敏感的生活场景，还面临隐私、信任和第三方服务授权障碍。

所以我更看好从低风险、可验证、明确授权的单一任务出发的消费 Agent，而不是一开始就声称能管理用户的全部生活。

六、如果现在重新寻找 To C 创业机会，我会重点看这些方向

我不会按“模型能做什么”寻找机会，而会按“谁拥有强烈的长期需求，并且目前缺乏合适的产品”筛选。

这里我特别强调独立专业人士。

它可能是下一阶段消费 AI 最有价值的一个创业切口：既不需要大企业的复杂采购，又拥有明确的经济收益。

2026 年 Menlo Ventures 调查中，有 48% 的美国 AI 用户自报曾通过 AI 赚取过收入，主要方式包括内容创作和自由职业。这个指标并不代表这些人已经拥有稳定收入，但它清楚地表明，个人使用 AI 的动机正在从消费向生产延伸。

我倾向于把这类市场称为 B2P（Business to Professional）：面向个人购买者，但解决经营和赚钱问题。

七、我会用一套不同于传统 SaaS 的标准来判断 AI To C 机会

与其只看市场规模，不如直接判断用户是否愿意长期依赖这个产品。

其中最重要的是第一、第二和第三个问题。

一个产品即使做得出来、功能先进，也不意味着它应该成为一个独立公司。

八、我的判断：下一波 To C，不是缩小版 To B

我对未来三年的判断，可以归纳为三个阶段。

2023–2025 第一阶段：AI 提供答案

大量产品围绕写作、图片、聊天、总结和简单自动化展开。模型能力和首次体验是主要卖点。

2026–2027 第二阶段：AI 完成真实任务

更多产品进入现有工作流、个人创作、日常事务和专业服务，用户开始为可验证的结果付费。

2027–2029 第三阶段：AI 创造新的生活方式和互动体验

不再只是把旧软件智能化，而是形成新的消费习惯、创作社区、个人经营方式以及人机协作模式。

我认为第三阶段的机会可能最大，也最难预判。类似短视频和移动社交在早期并不能简单从旧软件的需求列表里推导出来，AI 也可能创造此前没有成熟需求表达的新产品类型。

AI To C 的下一次大机会，不会来自又一个写作助手、图片生成器或聊天机器人，而会来自两种产品：

一种让普通人获得以前只有公司才拥有的能力。另一种让普通人体验以前根本不存在的事情。

前者包括个人经营、独立职业和个人事务 Agent；后者包括 AI 原生游戏、互动创作和全新的社交体验。